从工程视角拆解门诊分诊 Agent 的症状采集、示例规则分层、人工转接与边界控制，附 FastAPI 可运行示例。

面向医疗健康 AI 应用开发者，拆解医疗 Skill 库从提示词集合升级为可复用、可版本化、可审计基础能力的工程设计方法。

从工程视角拆解门诊分诊 Agent 的症状采集、示例规则分层、人工转接与边界控制，附 FastAPI 可运行示例。

从工程视角拆解门诊分诊 Agent 的症状采集、示例规则分层、人工转接与边界控制，附 FastAPI 可运行示例。

面向医疗健康技术开发者，从 API 网关、工作流编排、RBAC 和审计日志角度，拆解医疗 Skill 的接入边界与治理方法。

这条结论来自哪些研究设计（RCT/队列/病例对照）？证据链是否完整？主要结局的效应量、置信区间、随访时间、亚组与敏感性分析是什么？偏倚风险（随机化/盲法/失访/选择性报告/混杂）在哪里？哪些结论只适用于特定人群？新论文一出来，能否自动进入队列、抽取关键字段、提示结论是否需要更新（living review 思路）？这类流程在循证合成领域并不新，但近年 AI/agent 工具让“自动化”的可操作性陡

面向医疗健康技术开发者，拆解AI Agent辅助门诊分诊的症状采集、示例风险分层、人工转接与越界控制工程设计。

从临床研究运营和工程架构视角，分析如何用工作流引擎、集成 API、数据同步和审计日志减少系统切换与重复录入。

面向医疗健康 AI 应用的 Skill 库架构拆解，从元数据、工作流、版本、RBAC 和审计日志设计可复用、可治理的基础能力。

面向医疗健康 AI 应用的 Skill 库架构拆解，从元数据、工作流、版本、RBAC 和审计日志设计可复用、可治理的基础能力。